Türk Kuruculu Patientdesk.ai’dan Türkçe Ses Teknolojilerinde Dev Adım: Alania ve Duyu Tanıtıldı

Yerli yapay zeka ekosistemi, Türkçe dil desteğinde küresel standartları aşan yeni teknolojilerle güçlenmeye devam ediyor. Türk girişimciler tarafından hayata geçirilen Patientdesk.ai, Türkçe ses teknolojileri alanında çığır açacak iki yeni yapay zeka modelini kullanıma sundu. Metinden sese dönüşüm sağlayan Alania ve sesten metne aktarım yapan Duyu, geliştiricilere ve kurumsal şirketlere yüksek doğruluk oranına sahip performans vaat ediyor. Tek bir API anahtarı üzerinden erişilebilen sistem, lansmana özel olarak kullanıcılara bir ay boyunca ücretsiz deneme imkanı sağlıyor.

Duyu ile Konuşmadan Metne Yüksek Doğruluk Oranı

Patientdesk.ai’ın sesten metne dönüştürme çözümü olan Duyu, hem önceden kaydedilmiş ses dosyalarını işleyebiliyor hem de canlı konuşmaları anlık olarak yazıya dökebiliyor. Modelin başarısı, bağımsız test setlerinde küresel teknoloji devlerinin modellerini geride bırakmasıyla dikkat çekiyor.

Açık kaynaklı Türkçe konuşma veri seti FLEURS üzerinde gerçekleştirilen testlerde Duyu, %4,71 kelime hata oranı (WER) elde ederek OpenAI’ın %5,04 hata oranına sahip Whisper large-v3 modelini geride bırakmayı başardı.

Bunun yanı sıra, telefon kalitesindeki gerçek senaryolar ve karmaşık veriler (e-posta adresleri, telefon numaraları vb.) içeren özel test setinde de %9,87’lik bir hata oranına ulaştı. Aynı testte ElevenLabs’in Scribe v2 modeli %10,4 seviyesinde kaldı. Duyu'nun öne çıkan özellikleri şu şekilde sıralanıyor:

• Canlı ve Toplu İşleme: Hem kayıtlı dosyaları hem de anlık ses akışlarını yüksek hassasiyetle metne dönüştürme yeteneği.
• Sektörel Hassasiyet: Rakamlar, özel isimler ve iletişim bilgileri gibi kritik verilerde yüksek doğruluk.
• Rakipleri Aşan Performans: OpenAI Whisper ve ElevenLabs gibi küresel çözümlere kıyasla Türkçe konuşmalarda daha düşük kelime hata oranı.

Alania: Düşük Gecikmeli Seslendirme Teknolojisi

Girişimin geliştirdiği metinden sese (TTS) modeli Alania, Türkçe metinleri tek bir ses üzerinden son derece doğal, pürüzsüz ve tutarlı bir biçimde seslendirmek amacıyla tasarlandı. Modeli rakiplerinden ayıran en temel unsur, akış (streaming) mimarisi sayesinde cümlenin tamamlanmasını beklemeden sesi anlık olarak üretebilmesi.

Bu düşük gecikme süresi, özellikle sesli asistanlar, müşteri hizmetleri botları, interaktif sesli yanıt (IVR) sistemleri ve anlık telefon görüşmeleri gibi hızın kritik olduğu senaryolarda benzersiz bir kullanıcı deneyimi sunuyor.

Geliştirici dostu bir yaklaşımla tasarlanan her iki model de OpenAI API formatıyla tam uyumlu çalışıyor. Bu sayede yazılımcılar, mevcut altyapılarında büyük değişiklikler yapmadan kodlarını kolayca Patientdesk.ai sistemine entegre edebiliyor.

Açık Kaynak Topluluğuna Antalia-1 Sürprizi

Patientdesk.ai, ticari çözümlerinin yanı sıra açık kaynaklı yapay zeka topluluğunu da unutmadı. Şirket, deneysel olarak geliştirdiği Türkçe metinden sese modeli Antalia-1'i açık kaynak olarak yayımladı.

Hugging Face platformu üzerinden erişime açılan Antalia-1; model ağırlıkları, kaynak kodları ve kapsamlı bir teknik raporla birlikte paylaşıldı. Ayrıca çalışmaya katkı sağlayan profesyonel bir seslendirme sanatçısının 5 saatlik ses kayıtlarından oluşan veri seti de ekosistemin kullanımına sunuldu.

Geliştiriciler, speech.patientdesk.ai adresi üzerinden modelleri doğrudan tarayıcı ortamında test edebiliyor ve anında API anahtarı oluşturarak projelerine Türkçe ses zekasını dahil edebiliyor.